实测 Muse Wonder 1.0 修 105 个前沿模型都漏掉的 bug
curious_mahesh · x · 2026-10-13
Pawel Huryn 用真实项目测试 Muse Wonder 1.0:两个仓库、105 个 2026 Q1 前沿模型都未发现的 bug,让各家模型去找并修复。开到最大档的成绩:GPT-6 Astra 45.0、Opus 5.5 41.7、Muse Spark 1.3 32.2、Muse Wonder 1.0 31.7、Grok 4.7 (xhigh) 29.0。回复者指出挑这 105 个难 bug 才是聪明的部分——简单 bug 让所有分数扎堆,长尾才能真正拉开排名。作者表示不信任跑满档的跑分:自己多轮测试中 Wonder 1.0 与 Spark 1.3 相近、速度略慢、价格贵 50%。
所属事件:Bug Hunt Bench 实测：GPT-6 Astra 45 分居首，Muse Wonder 1.0 追平但更贵(7 条相关)→